本文深入探讨了AI Agent的各种工作模式，从基础的ReAct、Reflection到复杂的Routing、Multi-Agent，以及Long-Running Agent等，详细阐述了每种模式的工作原理和适用场景。文章强调了AI Agent需要具备流程化处理能力，能够像人一样思考、行动、学习和调整，并通过各种模式实现高效协作。

对话越来越长了。把一切重要内容压缩成一份总结：1. 原始目标2. 已经做了什么、发现了什么3. 做过的关键决策4. 还需要什么写完总结后，从那里继续。把这份总结当作新的起点。你现在已经知道Agent是什么、能做什么、以及怎么自己搭一个了。Agent的价值不在于它有多“智能”，而在于它把你从重复劳动里解放出来。

对话越来越长了。把一切重要内容压缩成一份总结：1. 原始目标2. 已经做了什么、发现了什么3. 做过的关键决策4. 还需要什么写完总结后，从那里继续。把这份总结当作新的起点。你现在已经知道Agent是什么、能做什么、以及怎么自己搭一个了。Agent的价值不在于它有多“智能”，而在于它把你从重复劳动里解放出来。

<think>我们只需要根据内容生成摘要，不超过150字。需要抓住核心：提到300+带答案面试题、16周学习路线，覆盖RAG、Agent框架、MCP等；汇集14家企业岗位要求与面经，附实操考题和采集脚本；同时AI行业需求大，薪资高，提供免费学习资源包。但作为摘要，要简洁。考虑是文章摘要，无需包含具体图片和二维码。原文主要是推销课程/资源的软文。摘要应概括内容。用户要求“根据以下内容，生成≤150字

《从零构建大模型》本书不是泛泛而谈的 LLM 概念介绍，而是完整还原了一个大语言模型的构建路径——从文本预处理、词嵌入、注意力机制、Transformer 架构，到模型训练、指令微调，再到推理优化与部署，内容扎实全面，环环相扣。

Lumos 甚至帮我优化了学习西班牙语的过程。该应用的操作逻辑极其方便。随着我不断深入使用这个应用，我也渐渐发掘出用LLM在浏览器中的新奇用法。

2023年12月31日，第十九届中国图象图形学学会青年科学家会议在广州举行，由中国图象图形学学会主办。该会议的目标是促进青年科学家之间的交流与合作，以提升我国在图像图形领域的科研水平和创新能力。由中国图象图形学学会和上海合合信息（INTSIG）联合承办的《垂直领域大模型论坛》中，专注于探讨大语言模型时代下以ChatGPT为代表的大模型技术对图像图形学领域研究方向或落地应用的潜在价值。包括合合信息丁

本文提供完整版报告下载，请查看文后提示。文│甲子光年**

前言本次实战采用QWEN2.5的0.5b的小体量模型在弱智吧数据集上进行微调。总所周知，弱智吧里面有很多问题十分的无厘头。这种无厘头的发问虽然在人类的角度来看其实大部分都是对中文语义的强行模糊，但对于模型来说确实锻炼模型逻辑能力的高质量预料。，如何快速获取廉价算力，如何在模型上进行全参微调。

蒸馏预训练显著提升大模型的Test-Time Scaling能力和生成多样性，但会损害上下文学习能力，特别是归纳头建模能力。研究表明，这种权衡源于蒸馏对不同熵任务的不同影响机制。研究提出了token routing等改进策略，并建议选择性能更强的教师模型（如RL微调模型）。在数据受限场景下，蒸馏预训练提供了一种高效利用现有数据的途径，但需在多样性与上下文学习能力间做出权衡。